Newsroom

Big Data - Vorteile, Möglichkeiten, Herausforderungen

Typ Titel Ansichten Download
document BIT-Magazin_02-2014.pdf 263
Big Data - Vorteile, Möglichkeiten, Herausforderungen

Daten intelligent nutzen (aus BIT Magazin 02/2014)

Umfangreiche Daten sollen Unternehmen in vielen Bereichen verbesserte Erkenntnisse liefern, von logistischen Prozessen bis hin zum Kundenverhalten. Doch welche Möglichkeiten bietet Big Data darüber hinaus? Und welche Herausforderungen müssen Unternehmen meistern, damit sie die Datenmengen nicht nur bändigen, sondern aus ihnen auch den größtmög­lichen Nutzen herausholen können? Antworten auf diese Fragen gibt Marc-Anclrä Klawa von der Pitney Bowes Software GmbH im folgenden Beitrag.

Wenn sich sogar „Der Spiegel“ – wie kürzlich geschehen - in einer Titelgeschichte mit dem Trendthema auseinandersetzt, erkennt man, dass hinter dem Phänomen “Big Data” mehr steckt als IT-Technologie, die große Datenmengen verwalten und analysieren kann.  „Big Data“ hat viele Facetten. Da ist z. B. die Analyse von logistischen Abläufen, die durch Big Data verbessert werden können. Oder die Analyse der Nutzungsmuster von Kreditkartenkunden, die hilft, Missbrauchsfälle in Echtzeit zu erkennen und geeignete Gegenmaßnahmen zeitnah einzuleiten. Und auch die Analyse der Bewegungsprofile von Verbrechern zur besseren Absicherung von öffentlichen Einrichtungen oder Sportveranstaltungen – wie Pitney Bowes Software sie zum Beispiel im Vorfeld der Olympischen Spiele in London 2012 durchführte – sind ein sinnvoller Einsatzzweck von „Big Data“.

„Big Data“ interessiert uns Verbraucher aber in erster Linie im Kontext von Kundendaten: Daten über unsere Vorlieben, unsere Kreditkartendaten, wo wir wohnen, wie wir leben, usw. Die aktuellen Enthüllungen über das PRISM Überwachungsprogramm der US-amerikanischen National Security Agency, die zeigen, wie umfangreich Daten gesammelt und ausgewertet werden können, lassen viele Verbraucher ähnliches hinter den „Big Data“ Initiativen der großen Unternehmen vermuten. Dabei können Unternehmen – wenn sie die drei im Folgenden beschriebenen Herausforderungen meistern – „Big Data“ zum Nutzen des Kunden einsetzen, so die Kundenbeziehung verbessern und den Kunden langfristig an das Unternehmen binden.

Herausforderung 1: Polystrukturierte Daten
Laut allgemeinem Verständnis handelt es sich bei „Big Data“ um Datenmengen, die mit herkömmlichen Mitteln und Speichertechnologien nicht mehr effizient zu verwalten und zu analysieren sind. Und dies ist angesichts der fast zwei Zettabyte Daten, die laut der IDC-Studie "Extracting value from Chaos" pro Jahr produziert werden, durchaus plausibel. Schaut man genauer hin, liegt die Herausforderung  aber weniger in dem gigantischen Datenvolumen selbst, auch wenn Big Data Anbieter das immer wieder behaupten. Denn gleichartige Daten, auch wenn sie in großen Volumen generiert werden, können mit Hilfe der heute verfügbaren Technologien leicht gespeichert und analysiert werden.

Die eigentliche Herausforderung liegt in der Datenstruktur, genauer gesagt in der Tatsache, dass laut Experten bis zu 80% des oben erwähnten Datenvolumens unstrukturiert sind. Dazu gehören nicht aggregierte, in Echtzeit ermittelte Daten, wie beispielsweise aus Transaktionssystemen, Social Networks, vom Point-of-Sale, usw. Die Nutzung dieser Daten im Rahmen von Big Data Analytics setzt eine Datenmanagement-Lösung voraus, die zwischen diesen Daten eine strukturierte Verbindung herstellt und die Datenqualität sichert. Schon heute leiden die Geschäftsprozesse vieler Unternehmen unter der schlechten Datenqualität. Mit den steigenden Datenmengen wird es für die Unternehmen immer wichtiger, eine hohe Datenqualität sicherzustellen.  Um dies zu gewährleisten, müssen Unternehmen, die Big Data Projekte starten, in der Lage sein, schon bei der Datenerfassung/-generierung Daten qualitativ zu analysieren, anzureichern und in die geforderten Strukturen zu mutieren. Sonst wird ihr Big Data Projekt nur ein großes – wenn auch schnelles – Datengrab.

Herausforderung 2: Echtzeit-Daten
Was haben Kundendaten, Gemüse und Obst gemeinsam? Frisch verarbeitet sind sie am besten! Was so simpel klingt, ist doch so treffend.  Auch wenn die Datensammelwut von Unternehmen es ermöglicht,  Kundendatenhistorien über Jahre hinweg zurück zu verfolgen, sind gerade zur Analyse des Kundenverhaltens diejenigen Daten wichtig, die im Real-Time Kontext stehen. Betrachtet man die Beispielfälle zu Big Data Projekten, die von Unternehmen präsentiert werden, so handelt es sich in der Regel um aggregierte Daten, die recht nützliche, aber doch simple Analysen ermöglichen. Von einer Analyse des Kundenverhaltens in allen Lebenslagen kann nicht die Rede sein – auch wenn Big Data Anbieter dies immer wieder betonen.

Mit der Nutzung und Analyse von Echtzeit-Daten verschärft sich die oben beschriebene Verwendung polystrukturierter Daten nochmals. Aber die aktuelle Situation, in der sich ein Kunde befindet, ist z. B. für die Ermittlung des besten Angebots oftmals viel entscheidender als etwa ein Kauf den dieser Kunde vor zwei Jahren getätigt hat.  Ein anderes Beispiel ist der Stromverbrauch eines Kunden. Der Vergleich mit dem Abrechnungszeitraum des Vorjahres mag in der einen oder anderen Situation noch erhellend sein. Alle Verbrauchsdaten, die älter sind, dienen nur noch statistischen Zwecken.  Deshalb steigt die Bedeutung von Echtzeit-Daten in Big Data Projekten kontinuierlich an.

Herausforderung 3: Datenschutzkonforme Kundenansprache
Ein Argument, das die Befürworter immer wieder ins Feld führen, ist die Möglichkeit für Unternehmen mittels „Big Data“ ihre Kunden wie zu Zeiten der Tante Emma Läden anzusprechen und zu beraten. Hier werden oft Äpfel mit Birnen verglichen. Für einen Bäcker ist es natürlich um ein Vielfaches einfacher, sich daran zu erinnern, ob ein Stammkunde die Vollkorn-Semmel oder die Laugenbreze bevorzugt. Dagegen ist das Angebot des richtigen Smartphone-Tarifs für einen Telco-Kunden oder die richtige Altersvorsorge für den Kunden eines Finanzdienstleisters schon deutlich komplexer. Hinzu kommt die berechtigte Sorge vieler Verbraucher, dass zu viele oder nicht datenschutzkonforme Daten gespeichert werden.

Das „Preference-Management“ von Pitney Bowes Software hilft Unternehmen, diese Befürchtungen ihrer Kunden zu eliminieren. Über die webbasierte Lösung, die im Web, am Point-of-Sale oder im Call Center genutzt werden kann, können Kunden beeinflussen, welche ihrer Daten für die Kundendatenanalyse herangezogen werden sollen und wie häufig und über welche Kanäle sie eine Ansprache durch den Anbieter wünschen. So entwickelt sich zwischen Anbieter und Kunden ein Vertrauensverhältnis, das zu einer ganz neuen Customer Experience für den Verbraucher führt. In Kombination mit einer leistungsstarken Customer Analytics Software – wie z. B. der Portrait-Lösung von Pitney Bowes Software , die von Analysten als Leader in diesem Marktsegment bewertet werden – können dann optimale Angebote oder die sogenannten Next-Best-Actions ermittelt bzw. der Kunde durch „Guided Selling“ individuell beraten werden.

Customer Experience optimieren
Übrigens sind die einzelnen Verbraucher und unterschiedlichen Zielgruppen nicht bei allen Arten von persönlichen Daten um die datenschutzkonforme Nutzung gleich besorgt. Laut „Mobile Life“ (www.discovermobilelife.com), einer jährlichen Untersuchung von TNS mit der Zielsetzung, ein besseres Verständnis der aktuellen Nutzung mobiler Geräte durch  Verbraucher zu bekommen, nutzen bereits ein Viertel der 16- bis 30-jährigen ihr Smartphone beim Shopping. Von den weltweit mehr als einer Milliarde Verbrauchern, die bereits über Location Based Marketing angesprochen werden können, sind laut der oben erwähnten Studie zwei Drittel am Erhalt von Location bezogenen Angeboten interessiert. Angebote, die über einen räumlichen Kontext verfügen, z. B. weil sie für den Ort gelten, an dem sich der Verbraucher gerade aufhält, stehen also hoch im Kurs.

Unternehmen, die ihre Big Data Initiative nicht nur als Technologie-Projekt verstehen und versuchen, polystrukturierte Daten in Echtzeit für die datenschutzkonforme Kundendaten-Analyse zu nutzen, haben eine hohe Chance, die Customer Experience für ihre Kunden zu optimieren und dadurch langfristige Kundenbeziehungen aufzubauen und zu pflegen. Durch diese Vorgehensweise rechnen sich dann auch die Investitionen, die in moderne Speicher-Technologie nötig werden. Pitney Bowes Software verfügt über ein umfangreiches Lösungsportfolio, Unternehmen genau bei diesen Herausforderungen zu unterstützen.

Mit Hilfe der Spectrum Plattform können Unternehmen ihre Daten in Echtzeit, also während der Verarbeitung, oder als Gesamtbestand im Batch-Modus qualitativ verbessern, mit Zusatzinformationen anreichern und so strukturieren, dass sie für Big Data Analysen geeignet sind. So können z. B. komplexe Datenbeziehungen und -hierarchien erzeugt werden, um die Daten  zu analysieren und intelligent zu nutzen. Auch das Management von Daten, wie sie z.B. in Sozialen Netzwerken oder durch räumliche Nutzung entstehen (Location Intelligence), ist dadurch möglich. So wird nicht nur die Analyse des Customer Values eines individuellen Kunden, sondern auch seines Einflussbereichs, der seinen Network Value repräsentiert, möglich. Die so qualifizierten und aufgewerteten Daten führen zu optimierten Geschäftsprozessen und verbesserter Customer Intelligence.
(www.pltneybowes.delsoftware)

Quelle   BIT Magazin 02/2014

(0) Kommentare